有效
动态目标检测方法及装置、存储介质、终端
刘凯琪、王建强、丁峰、许庆
清华大学
专利价值洞察
基于大模型深度解析专利商业价值
解决问题
现有技术中动态目标检测的准确性不足,特别是在检测动态车辆时。
达成效果
通过极坐标网格投影和点云聚类,提高了动态目标检测的准确度,尤其适用于动态车辆检测。
主要用途
自动驾驶、智能交通系统中的动态车辆检测。
摘要
一种动态目标检测方法及装置、存储介质、终端,所述动态目标检测方法包括:将获取的本车周围环境中的三维点云数据投影至极坐标网格,得到二维投影点云,所述三维点云数据为激光雷达采集的,所述极坐标网格是以所述激光雷达的中心为坐标原点,在水平面上构建的;根据所述二维投影点云在所述极坐标网格上的位置,对所述二维投影点云进行点云聚类,得到点云聚类结果;根据所述点云聚类结果,进行动态目标检测。上述方案能够提高动态目标检测结果的准确度,故当动态目标为动态车辆时,提高动态车辆检测的准确度是可以预期的。
1.一种动态目标检测方法,其特征在于,包括:将获取的本车周围环境中的三维点云数据投影至极坐标网格,得到二维投影点云,所述三维点云数据为激光雷达采集的,所述极坐标网格是以所述激光雷达的中心为坐标原点,在水平面上构建的;根据所述二维投影点云在所述极坐标网格上的位置,对所述二维投影点云进行点云聚类,得到点云聚类结果;根据所述点云聚类结果,进行动态目标检测。
2.如权利要求1所述的动态目标检测方法,其特征在于,所述极坐标网格的构建方法包括:以所述激光雷达的中心为坐标原点,分别沿圆周向以及径向方向对所述水平面进行分割,得到所述极坐标网格。
3.如权利要求2所述的动态目标检测方法,其特征在于,所述分别沿周向以及径向方向对所述水平面进行分割,包括:沿圆周向以等圆心角将所述水平面分割成多个扇形分割;沿径向以等环宽将所述水平面分割成多个环形分割。
4.如权利要求1所述的动态目标检测方法,其特征在于,所述根据所述二维投影点云在所述极坐标网格上的位置,对所述二维投影点云进行点云聚类,包括:根据所述二维投影点云在所述极坐标网格上的位置,对所述极坐标网格中的各网格的占用情况进行状态标记,得到标记有网格状态的极坐标网格,其中,所述网格状态包括占用状态和自由状态,占用状态指网格中有二维投影点云,自由状态指网格中没有所述二维投影点云;将所述标记有网格状态的极坐标网格,按径向和圆周向展开,得到展开后的网格图;根据展开后的网格图中各网格的网格状态,对所述二维投影点云进行点云聚类。
5.如权利要求4所述的动态目标检测方法,其特征在于,所述根据展开后的网格图中各网格的网格状态,对所述二维投影点进行点云聚类,包括:将所述展开后的网格图进行二值化,得到二值图;对所述二值图进行形态学膨胀;对进行形态学膨胀之后的二值图进行图像连通区域提取,得到多个联通区域;分别将各联通区域内的网格所对应的二维投影点云标记为同一聚类。
6.如权利要求5所述的动态目标检测方法,其特征在于,所述对进行形态学膨胀之后的二值图进行图像连通区域提取,包括:采用邻域连通方式搜索所述进行形态学膨胀之后的二值图内的联通区域。
7.如权利要求4所述的动态目标检测方法,其特征在于,所述根据展开后的网格图中各网格的网格状态,对所述二维投影点云进行点云聚类,包括:将网格状态为占用状态的各个网格依次作为中心,以设定阈值为半径做圆,将所述圆的内部的所有占用状态的网格标记为同一聚类,直至按照设定的顺序遍历所有网格状态为占用状态的网格。
8.如权利要求1所述的动态目标检测方法,其特征在于,还包括:将获取的本车周围环境中的三维点云数据投影至所述极坐标网格之前,对所述三维点云数据进行地面点云滤除,得到地上点云。
9.如权利要求1至8任一项所述的动态目标检测方法,其特征在于,所述根据所述点云聚类结果,进行动态目标检测,包括:根据所述点云聚类结果与预设的目标属性筛选条件的关系,进行候选聚类筛选,得到候选聚类;根据相邻帧点云中所述候选聚类对应的二维投影点云分别在所述极坐标网格中的位置,进行动态目标检测,并根据动态目标检测结果确定候选动态目标;对所述候选动态目标进行动态目标确认,得到所述动态目标的类型。
10.如权利要求9所述的动态目标检测方法,其特征在于,所述根据所述点云聚类结果与预设的目标属性筛选条件的关系,进行候选聚类筛选,得到候选聚类,包括:判断所述点云聚类结果是否满足所述目标属性筛选条件;将点云聚类结果满足所述目标属性筛选条件的点云聚类,作为所述候选聚类;其中,所述目标属性筛选条件包括:聚类的点云数量满足设定数量及聚类的尺寸满足设定尺寸。
11.如权利要求9所述的动态目标检测方法,其特征在于,所述根据相邻帧点云中所述候选聚类对应的二维投影点云分别在所述极坐标网格中的位置,进行动态目标检测,并根据动态目标检测结果确定候选动态目标,包括:将相邻帧点云的坐标统一至同一坐标系中;根据所述相邻帧中所述候选聚类对应的点云分别在所述极坐标网格中的位置变化,判断所述候选聚类对应的物体是否为动态目标;若为动态目标,确定所述候选聚类为候选动态目标。
12.如权利要求11所述的动态目标检测方法,其特征在于,所述根据所述相邻帧中所述候选聚类对应的点云分别在所述极坐标网格中的位置变化,判断所述候选聚类对应的物体是否为动态目标,包括:将相邻帧中的一帧点云对应的候选聚类对应的点云在所述极坐标网格中的网格占用情况,与所述相邻帧中的另一帧点云对应的候选聚类对应的点云在所述极坐标网格中的网格占用情况进行差分,得到网格占用情况发生变化的网格数量;当网格占用情况发生变化的网格数量大于设定的动态物体检测阈值时,确定所述候选聚类为所述候选动态目标。
13.如权利要求12所述的动态目标检测方法,其特征在于,所述动态物体检测阈值与动态目标投影最短边长度、动态目标中心与所述激光雷达的相对距离,以及所述极坐标网格的分辨率相关。
14.如权利要求9所述的动态目标检测方法,其特征在于,所述对所述候选动态目标进行动态目标确认,得到所述动态目标的类型,包括:根据连续N帧点云,对所述候选动态目标的运动状态变化进行一致性判断,N为大于1的正整数;根据一致性判断结果确定所述动态目标的类型。
15.如权利要求14所述的动态目标检测方法,其特征在于,所述根据连续N帧点云,对所述候选动态目标的运动状态变化进行一致性判断,包括:对所述候选动态目标进行位姿估计,得到t时刻所述候选动态目标所处的中心位置和方向角,t为正整数;根据所述候选动态目标在t时刻的方向角以及运动速度,对t+1时刻获取的帧点云进行数据关联,得到所述候选动态目标在t+1时刻关联的第一关联聚类;对所述第一关联聚类进行位姿估计,得到t+1时刻所述第一关联聚类所处的中心位置及方向角;根据所述第一关联聚类在t+1时刻的方向角对应的运动方向,对t+2时刻获取的帧点云进行数据关联,得到第二关联聚类;根据所述候选聚类、所述第一关联聚类以及所述第二关联聚类的运动速度以及方向角,进行运动状态变化的一致性判断。
16.如权利要求15所述的动态目标检测方法,其特征在于,所述根据所述候选聚类、所述第一关联聚类以及所述第二关联聚类的运动速度以及方向角,进行运动状态变化的一致性判断,包括:分别计算所述候选聚类与所述第一关联聚类的第一速度差值,以及所述第一关联聚类及所述第二关联聚类的第二速度差值;分别计算所述候选聚类与所述第一关联聚类的第一方向角差值,以及所述第一关联聚类及所述第二关联聚类的第二方向角差值;判断所述第一速度差值以及所述第二速度差值是否均小于预设速度差值,所述第一方向角差值以及所述第二方向角差值是否均小于预设方向角差值;若所述第一速度差值以及所述第二速度差值均小于预设速度差值,且所述第一方向角差值以及所述第二方向角差值均小于预设方向角差值,则判定运动状态变化具有一致性。
17.一种动态目标检测装置,其特征在于,包括:投影单元,用于将获取的本车周围环境中的三维点云数据投影至极坐标网格,得到二维投影点云,所述三维点云数据为激光雷达采集的,所述极坐标网格是以所述激光雷达的中心为坐标原点,在水平面上构建的;聚类单元,用于根据所述二维投影点云在所述极坐标网格上的位置,对所述二维投影点云进行点云聚类,得到点云聚类结果;动态目标检测单元,用于根据所述点云聚类结果,进行动态目标检测。
18.一种存储介质,所述存储介质为非易失性存储介质或非瞬态存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行权利要求1至16任一项所述的动态目标检测方法的步骤。
19.一种终端,包括存储器和处理器,所述存储器上存储有能够在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序时执行权利要求1至16中任一项所述的动态目标检测方法的步骤。



